주요 연구성과
NEW 소프트웨어 황원준 교수 연구팀, 딥러닝 기반 세그먼테이션 원천 기술 제안
- 2024-01-11
- 1039
우리 학교 소프트웨어학과 황원준 교수 연구팀이 네이버 AI랩·영국 버밍엄대학 연구팀과 함께 영상의 모든 픽셀을 분류할 수 있는 딥러닝 기반의 세그먼테이션 원천 기술을 제안했다.
황원준 교수 공동 연구팀은 지난 10일부터 16일까지 미국 뉴올리언스에서 열린 인공지능 머신러닝 분야 글로벌 최대 학회인 '제37회 신경정보처리학회(Thirty-seventh Conference on Neural Information Processing Systems, NeurIPS)'에 참가해 논문을 발표했다. 이번 컨퍼런스에는 총 1만2345편의 논문이 제출됐으며, 이중 26%인 3218편이 채택됐다.
공동 연구팀의 논문 제목은 '준지도적 의미 분할을 위한 임시선생 전환(Switching Temporary Teachers for Semi-Supervised Semantic Segmentation)'이다. 해당 연구에서 연구팀은 레이블이 부족한 상황에서도 학습할 수 있는 준지도학습 기반 세그먼테이션 방법론을 위해 복수의 선생 네트워크를 생성했다. 그리고 이를 학습 때마다 교체, 학생 네트워크에 지도함으로써 기존 방식 대비 최고 성능을 달성했다.
이번 연구에는 우리 학교 황원준 교수(소프트웨어학과)와 대학원 인공지능학과 박사과정 나재민 학생, 네이버 AI랩 하정우 박사·한동윤 박사, 영국 버밍엄대 컴퓨터공학과 장형진 교수가 참여했다.
기존 준지도학습 기반 세그먼테이션에서는 지수 이동 평균(Exponential Moving Average,EMA)을 한 개의 선생 네트워크와 학생 네트워크로 구성했으나, 이번 연구에서는 학생 네트워크에 한 개의 선생 네트워크가 지나치게 의존하여 학습 효율이 떨어지는 문제를 해결하기 위해 성격이 다른 복수의 선생 네트워크를 생성했으며 학습 때 매번 다른 선생 네트워크를 선택하여 지도함으로써 세그먼테이션 성능을 개선했다.
공동 연구팀은 준지도학습 기반 세그먼테이션을 위한 효율적인 신규 학습 방법론을 제안했다. 기존의 연구들은 제한된 숫자의 데이터에서만 성능을 평가했으나 아주대 연구팀이 처음으로 대규모 데이터를 활용하여 그 성능의 우수성을 입증했다. 이번 연구 결과를 통해 데이터가 지속적으로 증가함에 따라서 레이블 작업에 한계가 발생하고 있는 딥러닝 학습 방법론에 새로운 돌파구를 열 수 있을 것으로 기대된다.
이번 연구는 ▲아주대 인공지능융합혁신대학원 사업 ▲악천후/비정형 환경변화에서의 Seamless 자율주행을 위한 인지/판단 AI SW핵심기술 개발 사업 ▲Ajou DREAM 인공지능 혁신인재 양성사업단의 지원을 받아 수행됐다.
#위 사진 설명 : 우리 학교 소프트웨어학과·인공지능융합학과 황원준 교수와 대학원 인공지능학과 박사과정 나재민 학생
(알고리즘 자료 이미지)